汽车数字钥匙设计04--CCC规范的UWB测距流程

2023-10-21 09:30

本文主要是介绍汽车数字钥匙设计04--CCC规范的UWB测距流程,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

CCC规范中要求采用DS-TWR(三信息交互)来进行UWB测距,在章节20.5.1有详细说明UWB测距交互的过程,本文主要针对该章节展开一些解析,并做了一些实际测距流程示例,以方便理解。

一、CCC规范的UWB测距流程 

下图是UWB测距的整体流程,我们从这张图开始逐步展开解析。

图1

上图可解析为4个部分:

1、设备角色类型

UWB测距涉及两种角色类型:

(1)Initiator:即手机或其他智能设备。如上图所示,首个UWB测距帧是由该角色发出的,它扮演的是一个UWB测距的启动角色。

(2)Responder:即车端的锚点。为了实现对Initiator的定位,车端的锚点一般会有多个。

2、帧类型

UWB测距两种帧类型:

(1)SP0:该帧类型带数据内容,帧格式如下图。

(2)SP3:该帧类型不带数据内容,帧格式如下图。

3、Slot时隙:

 UWB数据帧有比较严格的发送时序,每个数据必须在规定的slot时隙中发出。TSlot取值如下表:

如何算出上表的呢?有如下公式,具体可详见CCC规范20.2章节。

而N取值为3、4、6、8、9、12、24

4、数据交互内容:

(1)Pre-Poll:开始UWB测距前,交互双方的一些UWB配置参数。共包含5个参数:UWB_Session_IDPoll_STS_IndexRanging_BlockHop_FlagRound_Index具体以后再详细展开解析。(SP0帧)

之后的三个步骤(Poll、Response0-N、Final),即为DS-TWR过程的三次交互。(对于DS-TWR不了解的,可看下之前的文章:UWB测距原理)

图2

(2)Poll:手机启动UWB测距,发出一个RF帧(SP3帧)

(3)Response0-N:每个锚点,按各自索引顺序发出响应的RF帧(SP3帧)

(4)Final:手机返回最后的RF帧(SP3帧)

(5)Final-Data:结束测距,手机端将相关参数及测距的相关时间戳发送给各大锚点。(SP0帧)

共包含如下参数:UWB_Session_ID,Ranging_Block,Hop_Flag,Round_Index,Final_STS_Index,Ranging_Timestamp_FINAL_TX,Number_Ranging_Responders,Responder_Index,Ranging_Timestamp_Responder_l,Ranging_Timestamp_Uncertainty_Responder_l,Ranging_Status_Responder_l

即手机采集到的各个锚点的Tround1, Treply2(如图2)返回去给车端的各个锚点,车端各锚点收到后,结合自己本身各自的Treply1,Tround2(如图2),即可计算出各自与Initiator的距离。

 二、UWB测距流程示例

假设车端共有6个锚点,如下图:

UWB测距需经过如下数据交互过程:

 1、Pre-Poll

手机发出Pre-Poll,车端各锚点各自接收该数据帧。(SP0帧)

 2、Poll

手机发出Poll帧,车端各锚点各自接收该数据帧。(SP3帧)

 3、Response

车端各锚点按顺序分时发出响应,即UWB-A1先发出响应,接下来UWB-A2发出响应,直到UWB-A6。(SP3帧)

4、Final

手机发出Final帧,车端各锚点各自接收该数据帧。(SP3帧)

5、Final-Data

手机发出Final-Data帧,车端各锚点各自接收该数据帧。(SP0帧)

6、各锚点计算与手机距离

手机端在Final-Data里将采集到的各个锚点的Tround1, Treply2(如图2)返回去给车端的各个锚点,车端各锚点收到后,结合自己本身各自的Treply1,Tround2(如图2),即可计算出各自与Initiator的距离。

即UWB-A1~UWB-A6等6个锚点分别算出自己与手机的距离,并通过CAN/LIN总线发出来,之后负责定位的ECU便可根据这6个锚点的测距值,通过算法进行手机的定位。

微信号:耐思时刻           

## 一起每天进步一点点 ##

这篇关于汽车数字钥匙设计04--CCC规范的UWB测距流程的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/253476

相关文章

使用PyTorch实现手写数字识别功能

《使用PyTorch实现手写数字识别功能》在人工智能的世界里,计算机视觉是最具魅力的领域之一,通过PyTorch这一强大的深度学习框架,我们将在经典的MNIST数据集上,见证一个神经网络从零开始学会识... 目录当计算机学会“看”数字搭建开发环境MNIST数据集解析1. 认识手写数字数据库2. 数据预处理的

java字符串数字补齐位数详解

《java字符串数字补齐位数详解》:本文主要介绍java字符串数字补齐位数,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Java字符串数字补齐位数一、使用String.format()方法二、Apache Commons Lang库方法三、Java 11+的St

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

python之流程控制语句match-case详解

《python之流程控制语句match-case详解》:本文主要介绍python之流程控制语句match-case使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录match-case 语法详解与实战一、基础值匹配(类似 switch-case)二、数据结构解构匹

在VSCode中本地运行DeepSeek的流程步骤

《在VSCode中本地运行DeepSeek的流程步骤》本文详细介绍了如何在本地VSCode中安装和配置Ollama和CodeGPT,以使用DeepSeek进行AI编码辅助,无需依赖云服务,需要的朋友可... 目录步骤 1:在 VSCode 中安装 Ollama 和 CodeGPT安装Ollama下载Olla

通过Python脚本批量复制并规范命名视频文件

《通过Python脚本批量复制并规范命名视频文件》本文介绍了如何通过Python脚本批量复制并规范命名视频文件,实现自动补齐数字编号、保留原始文件、智能识别有效文件等功能,听过代码示例介绍的非常详细,... 目录一、问题场景:杂乱的视频文件名二、完整解决方案三、关键技术解析1. 智能路径处理2. 精准文件名

linux环境openssl、openssh升级流程

《linux环境openssl、openssh升级流程》该文章详细介绍了在Ubuntu22.04系统上升级OpenSSL和OpenSSH的方法,首先,升级OpenSSL的步骤包括下载最新版本、安装编译... 目录一.升级openssl1.官网下载最新版openssl2.安装编译环境3.下载后解压安装4.备份

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

Linux流媒体服务器部署流程

《Linux流媒体服务器部署流程》文章详细介绍了流媒体服务器的部署步骤,包括更新系统、安装依赖组件、编译安装Nginx和RTMP模块、配置Nginx和FFmpeg,以及测试流媒体服务器的搭建... 目录流媒体服务器部署部署安装1.更新系统2.安装依赖组件3.解压4.编译安装(添加RTMP和openssl模块

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应